MLOps Engineer (JAX, PyTorch, Pallas/Triton)

Remote | United States • Remote • Junior • 05.10.2026
ki Software Engineer
Auf einen Blick

Full-Time MLOps Engineer mit JAX/PyTorch und GPU Kernel Expertise zur Verbesserung von KI-Modellen für Large Language Models.

💰 $70–110/h 📊 Mid-Level 🕒 Contract 🌍 Remote 🗺️ Americas
  • 2+ Jahre MLOps/ML Infrastructure
  • JAX/PyTorch Production Experience
  • GPU Kernel Optimization
  • Distributed Training Know-How
JAX PyTorch Triton Pallas Distributed Training GPU Optimization ML Infrastructure

Angegeben: $70–110/h · Marktschätzung: ~$70–110/h.

✅ Geeignet für
  • MLOps Engineers mit JAX/PyTorch
  • Distributed Systems Experts
  • GPU Kernel Optimization Spezialisten
🚫 Weniger geeignet
  • Anfänger in MLOps
  • Kandidaten ohne Production ML Experience
  • H-1B/STEM OPT Kandidaten
💡 Gut zu wissen
  • 40 Std./Woche Commitment erforderlich
  • Standard Weekday Business Hours
  • JAX/Pallas oder PyTorch/Triton erforderlich
  • Research-Fokus, nicht Production Ops

Über das Unternehmen

Ein führendes KI-Forschungsunternehmen sucht nach MLOps Engineers zur Entwicklung von Large Language Models und ML Infrastructure.

Deine Aufgaben

  • Partnerschaft mit Research und Engineering Teams zur Verbesserung von KI-Modell-Fähigkeiten in MLOps und ML Infrastructure
  • Design von herausfordernden, realworld MLOps und Machine Learning Systems Tasks
  • Entwicklung von genauen, gut-dokumentierten Lösungen zu komplexen ML Infrastructure Problemen
  • Review und Evaluation von technischen Tasks und KI-generierten Lösungen
  • Erstellung detaillierter Evaluation Rubrics für Distributed Training, ML Pipeline Design und Kernel-Level Programming
  • Zusammenarbeit mit Subject Matter Experts zur Qualitätssicherung

Deine Voraussetzungen

  • Mindestens 2 Jahre professionelle Erfahrung in MLOps, ML Infrastructure oder ML Systems Engineering
  • Hands-On Production Experience mit JAX und/oder PyTorch
  • Praktische Erfahrung mit Custom GPU Kernel Entwicklung (Pallas/Triton)
  • Starkes Verständnis von Distributed Training Systems und ML Infrastructure
  • 40 Stunden pro Woche Verfügbarkeit während Standard Weekday Business Hours erforderlich
  • Ausgezeichnete schriftliche Kommunikationsfähigkeiten